命令：pip install --extra-index-url https://rospypi.github.io/simple/ rosbag安装结果截图：现在启动python导入rosbag库会看到：Failed to load Python extension for LZ4 support. LZ4 compression will not be available.安装roslz4pi

1.训练模型import torchimport torchvisionfrom torchvision import datasets,transformsimport matplotlib.pyplot as pltimport numpy as npimport cv2device = torch.device("cuda:0" if torch.cuda.is_avai...

本代码修改自open3d官方GitHub的示例代码：# examples/python/visualization/non_blocking_visualization.py# examples/python/visualization/non_blocking_visualization.pyimport open3d as o3dimport numpy as npimport copyif

深度图如果安按照灰色图显示时很白的，和一些鲜艳的颜色不是很搭配，可以显示为彩色的，就想MATLAB显示热图的时候可以设定colorbar一样。# depth 为单通道 16bit位深的深度图像# xmin和xmax可以通过图像的计算深度图中的最大值和最小值，也可以手动设定# xmin = np.min(self.depth)# xmax = np.max(self.depth)xmin = 0xm

只是需要使用lableme标准的json文件获取mask，经过分析使用其他库的必要性比较低，于是自己写了一个通过labelme标准的json文件获取mask的程序。这里我使用的json文件只是标注了个polygon。import cv2import numpy as npimport jsonjson_path = r'D:\datasets\24\2022-01-05\10_color_1.js

在进行微表情识别研究时，使用到了山东大学发布的MMEW微表情数据集，这个数据集提供的数据是图片的形式。数据集在采集的时候使用的帧率是90帧，而使用图片进行连续查看的时候，帧率大概能达到10几帧，看到的面部表情的运动特别慢，不容易进行微表情的面部动作分析。把图片合成视频后，可以通过视频软件的倍速播放功能的0.5倍速可以得到比较好的查看效果。

import cv2cap = cv2.VideoCapture(1, cv2.CAP_DSHOW)cap.set(cv2.CAP_PROP_FRAME_WIDTH, 1920); #宽度cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 1080); #高度cap.set(cv2.CAP_PROP_FPS, 30); #帧率 帧/秒fourcc = cv2.VideoWrite

datetime.datetime.utcfromtimestamp()函数的输入数据类型为浮点型，单位为秒。classmethoddate.fromtimestamp(timestamp)返回对应于 POSIX 时间戳的当地时间，例如time.time()返回的就是时间戳。这可能引发OverflowError，如果时间戳数值超出所在平台 Clocaltime()函数的支持范围的话，并且会在loc

1.在python官网正常下载python安装包2.U盘插到电脑上，安装到U盘的版本如果和电脑上的完全相同，则需要暂时屏蔽python环境变量（未实验），我选择的是在U盘中安装的32位的python3.7.9，笔记本电脑上安装的是64位的python3.7.93.安装的时候不要选择添加python到环境变量和pylauncher，选择安装到U盘正常完成安装4.在U盘中python.exe文件所在目

在树莓派2B上面安装Ubuntu server 20.04并安装桌面后，桌面比较卡，软件仓库软件也比较少，桌面程序运行的时候，没能编译编译numpy，把Xserver相关程序关闭后才编译成功，应该是内存比较小的缘故。正题1.使用Raspberry Pi Imager 把镜像刻录到tf卡2.把tf卡插到树莓派上面，并上电启动，桌面明显比安装Ubuntu桌面流畅太多，普通操作没有明显的卡顿。3.登录，